python - 合并具有相同列值的连续行

Question

我有一个看起来像这样的东西。我该怎么做:

    0             d
0   The         DT
1   Skoll       ORGANIZATION
2   Foundation  ORGANIZATION
3   ,           ,
4   based       VBN
5   in          IN
6   Silicon     LOCATION
7   Valley      LOCATION

为此:

    0                       d
0   The                     DT
1   Skoll Foundation        ORGANIZATION
3   ,                       ,
4   based                   VBN
5   in                      IN
6   Silicon Valley          LOCATION

Answer 1

@rfan 的回答当然有效，作为替代方案，这里有一种使用 pandas 的方法 groupby .

.groupby() 按“b”列对数据进行分组 - sort=False 是保持顺序完整所必需的。 .apply() 将一个函数应用到每组 b 数据，在本例中将字符串连接在一起并用空格分隔。

In [67]: df.groupby('b', sort=False)['a'].apply(' '.join)
Out[67]: 

b
DT                       The
Org         Skoll Foundation
,                          ,
VBN                    based
IN                        in
Location      Silicon Valley
Name: a, dtype: object

编辑:

要处理更一般的情况(重复的非连续值)——一种方法是首先添加一个标记列来跟踪每行适用于哪一组连续数据，如下所示:

df['key'] = (df['b'] != df['b'].shift(1)).astype(int).cumsum()

然后将键添加到 groupby 中，即使有重复的值，它也应该可以工作。例如，对于这个带有重复的虚拟数据:

df = DataFrame({'a': ['The', 'Skoll', 'Foundation', ',', 
                      'based', 'in', 'Silicon', 'Valley', 'A', 'Foundation'], 
                'b': ['DT', 'Org', 'Org', ',', 'VBN', 'IN', 
                      'Location', 'Location', 'Org', 'Org']})

应用分组:

In [897]: df.groupby(['key', 'b'])['a'].apply(' '.join)
Out[897]: 
key  b       
1    DT                       The
2    Org         Skoll Foundation
3    ,                          ,
4    VBN                    based
5    IN                        in
6    Location      Silicon Valley
7    Org             A Foundation
Name: a, dtype: object